研究内容人を支えるデジタルヒューマン

距離画像からのパーティクルフィルタを用いた自己位置同定と小障害物発見



目的
警備
配達
案内
 etc..
・目的地点へ行く
・決められたコースを巡回
自律移動
・自己位置同定:誤差縮小
・障害物回避:障害物発見


NOMADO 200
パーティクルフィルタ自己位置同定

1. Res ampling : サンプル点(パーティクル)を配置
 パーティクル(ロボットの位置、姿勢の候補点)をばらまく
2. Prediction : ロボットの移動
オドメトリ情報からパーティクルを移動させる。
この時、オドメトリのノイズを考慮する(モーションモデル)
3. Mesurement : 観測データからその場所にいる確からしさを計算

 
4. Reselection : ロボットの存在確率が高いパーティクルを残す
 

自己位置同定実験
ロボット NOMADO200
カメラ MEGA-DCS
光ジャイロ JG-35FD
CPU PentiumV 800MHz
メモリ 384MB
OS Linux GNU Debian2.4.18
通信 IEEE802.11a


オドメトリ(青):蓄積誤差が存在
パーティクルフィルタ:位置、姿勢を逐次更新
パーティクルフィルタでは蓄積誤差が現れないため、精度が改善される

 

Result of Localization
オンライン:約0.1[m/s]で移動中
      約1.6[s/frame]で計算

誤差(横軸の数字は上図の数字と対応)
 

誤差の原因
  • Slippage Error
    曲がる際の床とタイヤとのすべりによる誤差

  • Small Obstacle Error
    障害物を壁と誤認識
すべりによる誤差の低減
角を曲がる時のすべりによる影響大    ファイバオプティカルジャイロ(FOG)でヨー軸の回転角度を補正

実験:約90度の回転滑りをあたえるFOGによって、すべりによる回転の誤差を補正できた。


Course of Experimentation


 
Results of Localization
(緑:補正なし 赤:補正あり)
小障害物による影響の低減


青:走行経路 円内:障害物


・scan line 1 障害物を壁と誤認識=精度が悪化

 (赤:推定経路 青:走行経路)

a) outward

b) homeward
 
c) error
Result of Estimate


・scan line 2 障害物の影響なし=精度が向上


a) outward

b) homeward

c) error
Result (Use High Infomation)